Impact of schizophrenia and schizophrenia treatment-related adverse events on quality of life: direct utility elicitation
Notice bibliographique
Résumé
OBJECTIVE: To examine the impact of schizophrenia, its treatment and treatment-related adverse events related to antipsychotics, on quality of life from the perspective of schizophrenia patients and laypersons. METHODS: Health state descriptions for stable schizophrenia, extra pyramidal symptoms (EPS), hyperprolactinemia, diabetes, weight gain and relapse were developed based on a review of the literature and expert opinion. The quality of life impact of each health state was elicited using a time trade-off instrument administered by interview to 49 stable schizophrenia patients and 75 laypersons. Regression techniques were employed to examine the importance of subject characteristics on health-related utility scores. RESULTS: Patients and laypersons completed the interview in similar times. Stable schizophrenia had the highest mean utility (0.87 and 0.92 for laypersons and patients respectively), while relapse (0.48 and 0.60) had the lowest mean utility. Of the treatment-related adverse events, EPS had the lowest mean utility (0.57 and 0.72, respectively). Age, gender and PANSS score did not influence the utility results independently of health state. On average, patient utilities are 0.077 points higher than utilities derived from laypersons, although the ranking was similar between the two groups. CONCLUSION: Events associated with schizophrenia and treatment of schizophrenia can bring about a significant detriment in patient quality of life, with relapse having the largest negative impact. Results indicate that patients with stable schizophrenia are less willing to trade years of life to avoid schizophrenia-related symptoms compared to laypersons. Both sets of respondents showed equal ability to complete the questionnaire.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».